[发明专利]一种基于MapReduce的图像分类方法

摘要

本发明公开了一种基于MapReduce的图像分类方法，在Hadoop平台上，首先，利用MapReduce框架实现对图像SIFT特征的并行提取；利用MapReduce框架对每幅图像提取的SIFT特征进行稀疏编码，从而获得图像对应的稀疏向量，生成图像的稀疏特征；然后，基于图像的稀疏特征，利用MapReduce框架训练决策树，生成针对图像特征集合的随机森林；利用MapReduce结合随机森林对每幅图像进行分类计算。通过实验验证，表明基于MapReduce的图像分类方法能够在保证不低于单机平台分类精确性的同时，明显提高分类速度。

主权项

一种基于 MapReduce 的图像分类方法，其特征在于：在 Hadoop 平台上，图像分类过程主要分为两个阶段：第一阶段是将图像转换为稀疏矩阵；首先，利用 MapReduce 框架实现对图像 SIFT特征的并行提取；然后，利用 MapReduce 框架对每幅图像提取的 SIFT 特征进行稀疏编码，从而获得图像对应的稀疏向量，生成图像的稀疏特征；第二阶段是利用随机森林方法实现对图像集的并行分类；首先基于图像的稀疏特征，利用 MapReduce 框架训练决策树，生成针对图像特征集合的随机森林；然后，利用MapReduce 结合随机森林对每幅图像进行分类计算。